论文部分内容阅读
随着农业产业化与农村经济的快速发展，农村的信贷需求逐渐增长。当前，束缚金融机构进入金融农村地区的主要障碍来源于对于农户信用状况的担心，因此，农户信用评估手段的技术运用是目前改变农户贷款难问题的现实解决方案之一。因此，本文从笔者工作过程中收集的农户小额信用贷款的基本信息作为基本数据库，通过构建信用风险评估模型检验农户信用状况，进行模型适用性相关研究。首先，本文从个人信用风险评估技术和个人信用体系的基本理论基础入手，形成对于农户小额信用贷款风险评估的基础理论分析。其次，笔者在重点研究人工神经网络模型的基础上，构建适用于农户小额信用贷款的BP神经网络模型及其算法，并且通过Mathlab7.0软件编写BP神经网络模型的运行程序。第三，运用笔者收集的农户小额信用贷款的数据信息作为样本，通过数据库内的80%的数据量作为训练样本调试BP神经网络对于农户小额信用贷款的风险估计能力，同时，利用数据库内的20%的数据量作为测试样本，检查对于BP神经网络的训练效果。并且针对样本数据的抽样重复进行10次，以获得BP神经网络对于农户小额信用贷款风险评级的整体效果，通过验证BP神经网络在估计数据库样本的准确率结果为：对于信用评分而言，练样本数据的训练精度为90.37%，测试样本的测试精度为89.96%，测试样本的平均误差为0.03，误差的标准差为5.07；对于信用评级集而言，训练样本数据的训练精度为63.94%，测试样本的测试精度为62.63%，测试样本的平均误差为-0.01，误差的标准差为0.51。本文的最后，针对农户小额信用贷款风险评估存在的问题提出相应的政策建议：第一，通过区域联网构建农户信用信息库；第二，加强农户信用评估体系的建设；第三，完善农户信用信息的法律规范；第四，积极发挥政府的作用。